生成式人工智能采纳何时产生回报？伦理治理作为中小企业的动态能力

《Information & Management》：When Does Generative AI Adoption Pay Off? Ethical Governance as a Dynamic Capability in SMEs

　　

生成式人工智能（GenAI）采纳正向预测中小企业（SME）创新产出。伦理维度——透明度、公平性、隐私、问责制——放大收益。基于协方差的结构方程模型（CB-SEM，n=218）结合潜变量交互作用证实了调节效应。治理将采纳转化为中小企业可衡量的价值。

研究背景与问题提出

生成式人工智能（GenAI）正快速渗透至内容创作、客户交互、知识检索与软件辅助等业务场景，有望带来显著创新增益，但企业间成效分化明显。对中小企业（SME）而言，GenAI既可加速创意生成与流程再造以抗衡大型企业，也引入幻觉、数据泄露、偏见放大与声誉风险等新型失效模式，而中小企业普遍缺乏专职治理人员、规范化数据治理与冗余资源。现有信息系统研究多关注IT/AI投资的平均效应，忽视GenAI采纳转化为创新绩效的边界条件。研究人员指出，伦理治理常被实务界视为合规成本，但从动态能力观出发，其可构成感知机会、抓住机会并重构惯例的能力束。因此，核心问题是：GenAI采纳何时以及如何通过伦理治理转化为中小企业创新绩效。该研究发表于《Information》。

关键技术方法

研究人员采用关键知情人法，从487家加拿大中小企业中筛出139家当前或计划12个月内使用GenAI的企业，向589名经理发放问卷，回收清洗后得218份有效样本（n=218）。测量模型含19个多维构念、57个题项，7点李克特量表。估计采用AMOS 22的协方差结构方程模型（CB-SEM）最大似然法，偏差校正Bootstrap（≥600次）验置信区间；调节效应通过多组分析（按中位数高低分组）检验GenAI采纳→创新绩效路径，先验证形态与度量不变性（ΔCFI≤.01），再比标准化系数差（Δβ）。共同方法偏差以Harman单因子与未测方法因子模型诊断，辅以Fornell-Larcker、HTMT与VIF。

研究结果

1. 1.
   引言（Introduction）
   研究人员界定GenAI在SME中的价值—风险不对称性，提出将伦理治理（透明性/可解释性TE、公平性/偏见控制FB、隐私/数据保护PD、问责/责任ACCT）作为动态能力束调节“采纳→创新”关系，引出两个研究问题：环境/经济/社会因素如何塑造采纳（RQ1）；采纳何时转化为更高创新绩效及伦理治理如何调节（RQ2）。
2. 2.
   文献综述（Literature Review）
   2.1 GenAI价值实现于SME：GenAI降低创意成本但放大不透明与泄露风险，价值实现依赖互补惯例而非技术本身。
   2.2 SME、动态能力与回报问题：资源贫乏与决策集中使动态能力（感知—抓住—重构）成为异质性来源。
   2.3 从合规伦理到能力型治理：伦理实践超越合规，可支持安全迭代与信任。
   2.4 伦理治理作为能力束：TE、FB、PD、ACCT被操作化为SME可行日常惯例，预期按比例嵌入时放大采纳效应，过度刚性则短期抑制。
3. 3.
   假设推演（Hypothesis Development）
   环境驱动：资源优化（H1a+）、碳足迹压力（H1b?）、绿色创新导向（H1c+）影响采纳。经济驱动：生产率效率（H2a+）、市场竞争（H2b+）、商业模式导向（H2c+）、经济扰动（H2d?）。社会驱动：劳动力转型就绪（H3a+）、员工福祉导向（H3b+）、人机协作就绪（H3c+）。主效应：GenAI采纳→创新绩效（H4+）；创新绩效→适应韧性AR（H5+）、运营效率OE（H6+）、营收增长RG（H7+）。调节假设：TE正向调节（H8）、FB负向调节短期（H9）、PD正向调节（H10）、ACCT正向调节（H11）。
4. 4.
   研究方法（Research Methodology）
   研究人员经专家评审、认知访谈与预测试确立内容效度；样本为加拿大SME经理（任职≥12个月、直涉GenAI）；CB-SEM估计并报告载荷、α、CR、AVE；多组调节分析前完成测量不变性检验；控制企业规模、行业与IT预算；稳健性检验含加直接路径、未测方法因子、剔除高杠杆值，结论不变。
5. 5.
   结果（Results）
   测量模型聚合与区分效度达标（CR≥.70，AVE≥.50，HTMT合阈）。H1a/H1c/H2a/H2b/H2c/H3a/H3b/H3c/H4/H5/H6/H7获支持；H1b与H2d负向显著。调节路径：高TE、高PD、高ACCT组GenAI采纳→创新绩效斜率显著强于低组（H8/H10/H11成立）；高FB组斜率反而弱于低组（H9成立），印证早期刚性公平审查拖慢迭代。

讨论与结论翻译

研究人员总结：GenAI采纳正向预测中小企业创新绩效，但该效应受伦理治理动态能力调节——透明性/可解释性、隐私/数据保护、问责/责任按比例嵌入时放大回报，而公平性/偏见控制在早期试点若以手工闸门形式过度施加则短期削弱回报。环境（资源优化、绿色创新）、经济（生产率、竞争、商业模式）、社会（劳动力就绪、福祉、人机协作）三类动因塑造采纳可能性，碳压力与经济扰动抑制采纳。创新绩效进一步传导至适应韧性、运营效率与营收增长。理论贡献在于将伦理治理由合规开销重概念化为价值赋能的动态能力束，并以CB-SEM（n=218）潜变量交互证实边界条件；实践上提示中小企业应避免“为合规而合规”，将TE、PD、ACCT Routine化，对FB采取与成熟度匹配的分级审查。治理由此把GenAI采纳转化为可衡量创新价值。